离散时间傅里叶变换

1. 离散时间傅里叶变换的导出

针对离散时间非周期序列，为了建立它的傅里叶变换表示，我们将采用与连续情况下完全类似的步骤进行。

考虑某一序列 $x[n]$，它具有有限持续期；也就是说，对于某个整数 $N_1$ 和 $N_2$，在 $-N_1⩽N⩽N_2$ 以外，$x[n]=0$。下图给出了这种类型的一个信号。

由这个非周期信号可以构成一个周期序列 $\tilde{x}[n]$，使 $x[n]$ 就是 $\tilde{x}[n]$ 的一个周期。随着 $N$ 的增大，$x[n]$ 就在一个更长的时间间隔内与 $\tilde{x}[n]$ 相一致。而当 $N\to \infty$，对任意有限时间值 $n$ 而言，有 $\tilde{x}[n]=x[n]$。

现在我们来考虑一下 $\tilde{x}[n]$ 的傅里叶级数表示式

$$\tilde{x}[n]=\sum _{k=(N)}{a}_k{e}^{jk(2\pi /N)n}\text{\hspace{1em}(1)}$$

$$a_k=\frac{1}{N}\sum _{n=(N)}\tilde{x}[n]e^{-jk(2\pi /N)n}\text{\hspace{1em}(2)}$$

因为在 $-N_1⩽N⩽N_2$ 区间的一个周期上 $\tilde{x}[n]=x[n]$，因此我们将上式的求和区间就选在这个周期上

$$a_k=\frac{1}{N}\sum _{n=-N_1}^{N_2}x[n]e^{-jk(2\pi /N)n}=\frac{1}{N}\sum _{n=-\infty }^{+\infty }x[n]e^{-jk(2\pi /N)n}\text{\hspace{1em}(3)}$$

现定义函数

$$X(e^{j\omega })=\sum _{n=-\infty }^{+\infty }x[n]e^{-j\omega n}\text{\hspace{1em}(4)}$$

可见这些系数 $a_k$ 正比于 $X(e^{j\omega })$ 的各样本值，即

$$a_k=\frac{1}{N}X(e^{jk{\omega }_0})\text{\hspace{1em}(5)}$$

式中，${\omega }_0=2\pi /N$ 用来记作在频域中的样本间隔。将（1） 和 （5）结合在一起，$\tilde{x}[n]$ 就可以表示为

$$\tilde{x}[n]=\sum _{k=(N)}\frac{1}{N}X(e^{jk{\omega }_0})e^{jk{\omega }_{0}n}=\frac{1}{2\pi }\sum _{k=(N)}X(e^{jk{\omega }_0})e^{jk{\omega }_{0}n}{\omega }_0\text{\hspace{1em}(6)}$$

随着 $N\to \infty$，$\tilde{x}[n]$ 趋近于 $x[n]$，式（6）的极限就变成 $x[n]$ 的表达式。再者，当 $N\to \infty$ 时，有 ${\omega }_0\to 0$，式（6）的右边就过渡为一个积分。

右边的每一项都可以看作是高度为 $X(e^{jk{\omega }_0})e^{jk{\omega }_{0}n}$ 宽度为 ${\omega }_0$ 的矩形的面积。而且，因为这个求和是在 $N$ 个 ${\omega }_0=2\pi /N$ 的间隔内完成的，所以总的积分区间总是有一个 $2\pi$ 的宽度。式（6）和式（4）就分别变成

$$\boxed{x[n]=\frac{1}{2\pi }{\int }_{2\pi }X(e^{j\omega })e^{j\omega n}d\omega }\text{\hspace{1em}(7)}$$

$$\boxed{X(e^{j\omega })=\sum _{n=-\infty }^{+\infty }x[n]e^{-j\omega n}}\text{\hspace{1em}(8)}$$

（7）式和 （8）式被称为离散时间傅里叶变换对。函数 $X(j\omega )$ 称为 $X(t)$ 的离散时间傅里叶变换，也通常被称为频谱。

• 例 1
  

• 例 2
  

2. 周期信号的傅里叶变换

考虑如下信号
$$x[n]=e^{j{\omega }_{0}n}\text{\hspace{1em}(9)}$$

其傅里叶变换是如下的冲激串

$$X(e^{j\omega })=\sum _{l=-\infty }^{+\infty }2\pi \delta (\omega -{\omega }_0-2\pi l)\text{\hspace{1em}(10)}$$

为了验证该式，必须求出其对应的反变换

$$\frac{1}{2\pi }{\int }_{2\pi }X(e^{j\omega })e^{j\omega n}d\omega =\frac{1}{2\pi }{\int }_{2\pi }\sum _{l=-\infty }^{+\infty }2\pi \delta (\omega -{\omega }_0-2\pi l)e^{j\omega n}d\omega \text{\hspace{1em}(11)}$$

注意，在任意一个长度为 $2\pi$ 的积分区间内，在上式的和中真正包括的只有一个冲激，因此，如果所选的积分区间包含在 ${\omega }_0+2\pi r$ 处的冲激，那么

$$\frac{1}{2\pi }{\int }_{2\pi }X(e^{j\omega })e^{j\omega n}d\omega =e^{j({\omega }_0+2\pi r)n}=e^{j{\omega }_{0}n}\text{\hspace{1em}(12)}$$

现在考虑一周期序列 $x[n]$，周期为 $N$，其傅里叶级数为

$$x[n]=\sum _{k=(N)}{a}_k{e}^{jk(2\pi /N)n}\text{\hspace{1em}(13)}$$

这时，傅里叶变换就是

$$X(e^{j\omega })=\sum _{k=-\infty }^{+\infty }2\pi a_k\delta (\omega -\frac{2\pi k}{N})=\sum _{l=-\infty }^{+\infty }\sum _{k=(N)}2\pi a_k\delta (\omega -k{\omega }_0-2\pi l)\text{\hspace{1em}(14)}$$

这样，一个周期信号的傅里叶变换就能直接从它的傅里叶级数系数得到。

3. 离散时间傅里叶变换性质

为了方便，我们将 $x[n]$ 和 $X(e^{j\omega })$ 这一对傅里叶变换用下列符号表示

$$x[n]\stackrel{\mathcal{F}}{\leftrightarrow }X(e^{j\omega })$$

3.1. 离散时间傅里叶变换的周期性

$$\boxed{X(e^{j(\omega +2\pi )})=X(e^{j\omega })}\text{\hspace{1em}(15)}$$

3.2. 线性

若

$$x_1[n]\stackrel{\mathcal{F}}{\leftrightarrow }{X}_1(e^{j\omega })$$

和

$$x_2[n]\stackrel{\mathcal{F}}{\leftrightarrow }{X}_2(e^{j\omega })$$

则

$$\boxed{a{x}_1[n]+b{x}_2[n]\stackrel{\mathcal{F}}{\leftrightarrow }a{X}_1(e^{j\omega })+b{X}_2(e^{j\omega })}\text{\hspace{1em}(16)}$$

3.3. 时移与频移性质

若

$$x[n]\stackrel{\mathcal{F}}{\leftrightarrow }X(e^{j\omega })$$

则

$$\boxed{x[n-n_0]\stackrel{\mathcal{F}}{\leftrightarrow }{e}^{-j\omega n_0}X(e^{j\omega })}\text{\hspace{1em}(17)}$$

$$\boxed{e^{j{\omega }_{0}n}x[n]\stackrel{\mathcal{F}}{\leftrightarrow }X(e^{j(\omega -{\omega }_0)})}\text{\hspace{1em}(18)}$$

3.4. 共轭及共轭对称性

若

$$x[n]\stackrel{\mathcal{F}}{\leftrightarrow }X(e^{j\omega })$$

则

$$\boxed{x^{\ast }[n]\stackrel{\mathcal{F}}{\leftrightarrow }{X}^{\ast }(e^{-j\omega })}\text{\hspace{1em}(19)}$$

共轭性质就能证明，若 $x(t)$ 为实函数，那么 $X(j\omega )$ 就具有共轭对称性，即

$$\boxed{X(e^{j\omega })=X^{\ast }(e^{-j\omega })[x[n]为实]}\text{\hspace{1em}(20)}$$

这就是说，离散傅里叶变换的实部是频率的偶函数，而虚部则是频率的奇函数。

3.5. 差分与累加

$$\boxed{x[n]-x[n-1]\stackrel{\mathcal{F}}{\leftrightarrow }(1-e^{-j\omega })X(e^{j\omega })}\text{\hspace{1em}(21)}$$

$$\boxed{\sum _{m=-\infty }^{n}x[m]\stackrel{\mathcal{F}}{\leftrightarrow }\frac{1}{1-e^{-j\omega }}X(e^{j\omega })+\pi X(e^{j0})\sum _{k=-\infty }^{+\infty }\delta (\omega -2\pi k)}\text{\hspace{1em}(22)}$$

3.6. 时间反转

$$\boxed{x[-n]\stackrel{\mathcal{F}}{\leftrightarrow }X(e^{-j\omega })}\text{\hspace{1em}(23)}$$

3.7. 时域扩展

若令 是一个正整数，并且定义

$$x_{(k)}[n]=\{\begin{array}{ll}x[n/k]& \text{当}n为k的整数倍\\ 0,& \text{当}n不为k的整数倍\end{array}\text{\hspace{1em}(24)}$$

$$\boxed{x_{(k)}[n]\stackrel{\mathcal{F}}{\leftrightarrow }X(e^{jk\omega })}\text{\hspace{1em}(25)}$$

3.8. 频域微分

$$\boxed{nx[n]\stackrel{\mathcal{F}}{\leftrightarrow }j\frac{dX(e^{j\omega })}{d\omega }}\text{\hspace{1em}(26)}$$

3.9. 帕斯瓦尔定理

$$\boxed{\sum _{-\infty }^{+\infty }|x[n]{|}^2=\frac{1}{2\pi }{\int }_{2\pi }|X(e^{j\omega }){|}^{2}d\omega }\text{\hspace{1em}(27)}$$

3.10. 卷积性质

$$\boxed{y[n]=h[n]\ast x[n]\stackrel{\mathcal{F}}{\leftrightarrow }Y(e^{j\omega })=H(e^{j\omega })X(e^{j\omega })}\text{\hspace{1em}(28)}$$

两个信号在时域内的卷积就等于它们傅里叶变换的乘积。

3.11. 相乘性质

$$\boxed{y[n]=x_1[n]x_2[n]\stackrel{\mathcal{F}}{\leftrightarrow }Y(e^{j\omega })=\frac{1}{2\pi }{\int }_{2\pi }{X}_1(e^{j\theta })X_2(e^{j(\omega -\theta )})d\theta }\text{\hspace{1em}(29)}$$
两个信号在时域内的相乘就对应于频域内的周期卷积。

4. 傅里叶变换性质和基本傅里叶变化列表

5. 离散时间傅里叶变换和连续时间傅里叶级数之间的对偶型

获取更多精彩，请关注「seniusen」!